การวิเคราะห์ความสัมพันธ์ (Affinity analysis)จัดอยู่ในกลุ่มการทำเหมืองข้อมูล (Data mining ) ซึ่งเป็นการค้นหาความสัมพันธ์ที่มีความหมายระหว่างเอนทิตีต่างๆ โดยพิจารณาจากการปรากฏร่วมกันในชุดข้อมูลในเกือบทุกระบบและกระบวนการ การประยุกต์ใช้การวิเคราะห์ความสัมพันธ์สามารถดึงความรู้ที่สำคัญเกี่ยวกับแนวโน้มที่ไม่คาดคิดออกมาได้ที่จริงแล้ว การวิเคราะห์ความสัมพันธ์ใช้ประโยชน์จากการศึกษาคุณลักษณะที่เกิดขึ้นร่วมกัน ซึ่งช่วยเปิดเผยรูปแบบที่ซ่อนอยู่ภายในข้อมูลขนาดใหญ่ผ่านการสร้างกฎความสัมพันธ์ กระบวนการทำ เหมืองกฎความสัมพันธ์มีสองขั้นตอน: ขั้นแรก ค้นหาคุณลักษณะที่เกิดขึ้นบ่อยทั้งหมดในชุดข้อมูล และจากนั้นสร้างกฎความสัมพันธ์ที่ตรงตามเกณฑ์ที่กำหนดไว้ล่วงหน้า เช่น ค่าสนับสนุน (Support) และค่าความเชื่อมั่น (Confidence) เพื่อระบุความสัมพันธ์ที่สำคัญที่สุดในชุดรายการที่เกิดขึ้นบ่อย ขั้นตอนแรกในกระบวนการคือการนับจำนวนการปรากฏร่วมกันของคุณลักษณะในชุดข้อมูล จากนั้นจะสร้างชุดย่อยที่เรียกว่าชุดรายการที่เกิดขึ้นบ่อย การทำเหมืองกฎความสัมพันธ์มีรูปแบบว่า ถ้าเงื่อนไขหรือคุณลักษณะ (A) มีอยู่เงื่อนไขหรือคุณลักษณะอื่น (B) ก็จะมีอยู่ด้วย เงื่อนไขหรือคุณลักษณะแรก (A) เรียกว่าตัวตั้งต้น (antecedent ) และตัวหลัง (B) เรียกว่าตัวตาม (consequent ) กระบวนการนี้จะถูกทำซ้ำจนกว่าจะไม่พบชุดรายการที่เกิดขึ้นบ่อยเพิ่มเติม มีตัวชี้วัดสำคัญสองประการสำหรับการดำเนินการเทคนิคการขุดกฎความสัมพันธ์ ได้แก่ การสนับสนุนและความเชื่อมั่น นอกจากนี้ ยัง มีการใช้ อัลกอริทึมแบบก่อนหน้าเพื่อลดพื้นที่การค้นหาสำหรับปัญหา^{[ 1 ]}

เมตริกการสนับสนุนใน อัลกอริธึม การเรียนรู้กฎความสัมพันธ์ถูกกำหนดให้เป็นความถี่ของการปรากฏร่วมกันของเหตุการณ์ก่อนหน้าหรือเหตุการณ์ที่ตามมาในชุดข้อมูล ยิ่งไปกว่านั้น ความเชื่อมั่นจะแสดงออกเป็นความน่าเชื่อถือของกฎความสัมพันธ์ที่กำหนดโดยอัตราส่วนของระเบียนข้อมูลที่มีทั้ง A และ B เกณฑ์ขั้นต่ำสำหรับการสนับสนุนและความเชื่อมั่นเป็นอินพุตของแบบจำลอง เมื่อพิจารณาคำจำกัดความทั้งหมดข้างต้น การวิเคราะห์ความสัมพันธ์สามารถพัฒนากฎที่จะทำนายการเกิดขึ้นของเหตุการณ์โดยอิงจากการเกิดขึ้นของเหตุการณ์อื่น ๆ วิธีการขุดข้อมูลนี้ได้รับการสำรวจในสาขาต่าง ๆ รวมถึงการวินิจฉัยโรค การวิเคราะห์ตะกร้าสินค้า อุตสาหกรรมค้าปลีก การศึกษาระดับสูง และการวิเคราะห์ทางการเงิน ในธุรกิจค้าปลีก การวิเคราะห์ความสัมพันธ์ถูกใช้เพื่อทำการวิเคราะห์ตะกร้าสินค้า ซึ่งผู้ค้าปลีกพยายามทำความเข้าใจพฤติกรรมการซื้อของลูกค้า จากนั้นข้อมูลนี้สามารถนำไปใช้เพื่อวัตถุประสงค์ในการขายข้ามสินค้าและการขายเพิ่มราคานอกเหนือจากการมีอิทธิพลต่อการส่งเสริมการขายโปรแกรมความภักดี การออกแบบร้านค้า และแผนส่วนลด^{[ 2 ]}

การวิเคราะห์ตะกร้าสินค้าอาจบอกผู้ค้าปลีกได้ว่าลูกค้ามักซื้อแชมพูและครีมนวดผมพร้อมกันดังนั้นการจัดโปรโมชั่นสินค้าทั้งสองอย่างพร้อมกันจึงอาจไม่ทำให้รายได้เพิ่มขึ้นอย่างมีนัยสำคัญ ในขณะที่การจัดโปรโมชั่นเฉพาะสินค้าใดสินค้าหนึ่งอาจช่วยกระตุ้นยอดขายของสินค้าอีกชนิดหนึ่งได้

การวิเคราะห์ตะกร้าสินค้าอาจให้ข้อมูลแก่ผู้ค้าปลีกเพื่อทำความเข้าใจพฤติกรรมการซื้อของผู้ซื้อ ข้อมูลนี้จะช่วยให้ผู้ค้าปลีกเข้าใจความต้องการของผู้ซื้อและปรับเปลี่ยนรูปแบบร้านค้าให้เหมาะสม พัฒนาโปรแกรมส่งเสริมการขายร่วมกัน หรือแม้กระทั่งดึงดูดผู้ซื้อรายใหม่ (คล้ายกับ แนวคิด การขายสินค้าข้ามกลุ่ม ) ตัวอย่างแรกๆ ที่เป็นเรื่องเล่าขานกันมาคือ เมื่อซูเปอร์มาร์เก็ตแห่งหนึ่งค้นพบในการวิเคราะห์ว่า ลูกค้าผู้ชายที่ซื้อผ้าอ้อมมักจะซื้อเบียร์ด้วย วางผ้าอ้อมไว้ใกล้กับตู้แช่เบียร์ และยอดขายของพวกเขาก็เพิ่มขึ้นอย่างมาก แม้ว่าเรื่องเล่าในเมืองนี้จะเป็นเพียงตัวอย่างที่อาจารย์ใช้เพื่ออธิบายแนวคิดให้กับนักเรียน แต่คำอธิบายของปรากฏการณ์สมมตินี้อาจเป็นเพราะพ่อที่ถูกส่งไปซื้อผ้าอ้อมมักจะซื้อเบียร์ด้วย เพื่อเป็นรางวัล^{[ 3 ]}การวิเคราะห์ประเภทนี้ถือเป็นตัวอย่างของการใช้ การ ขุดข้อมูลตัวอย่างที่ใช้กันอย่างแพร่หลายของการขายสินค้าข้ามกลุ่มบนเว็บโดยใช้การวิเคราะห์ตะกร้าสินค้าคือ การที่ Amazon.com ใช้ข้อความว่า "ลูกค้าที่ซื้อหนังสือ A ก็ซื้อหนังสือ B ด้วย" เช่น "คนที่อ่านหนังสือประวัติศาสตร์โปรตุเกสก็สนใจประวัติศาสตร์กองทัพเรือ ด้วย "

การวิเคราะห์ตะกร้าสินค้าสามารถใช้เพื่อแบ่งกลุ่มลูกค้าได้บริษัทอาจพิจารณาว่าลูกค้าซื้อสินค้าอื่นใดพร้อมกับไข่บ้าง และจัดประเภทเป็นการทำเค้ก (หากพวกเขาซื้อไข่พร้อมกับแป้งและน้ำตาล) หรือการทำไข่เจียว (หากพวกเขาซื้อไข่พร้อมกับเบคอนและชีส) จากนั้นสามารถนำไปใช้ในการขับเคลื่อนโปรแกรมอื่นๆ ได้ ในทำนองเดียวกัน สามารถใช้เพื่อแบ่งผลิตภัณฑ์ออกเป็นกลุ่มตามธรรมชาติได้ บริษัทอาจพิจารณาว่าผลิตภัณฑ์ใดที่ขายร่วมกันบ่อยที่สุด และปรับการจัดการหมวดหมู่ให้สอดคล้องกับกลุ่มเหล่านี้^{[ 4 ]}

การใช้การวิเคราะห์ตะกร้าสินค้าในเชิงธุรกิจเพิ่มขึ้นอย่างมากนับตั้งแต่มีการนำระบบขายหน้าร้าน แบบอิเล็กทรอนิกส์ มาใช้^{[ 2 ]} Amazonใช้การวิเคราะห์ความสัมพันธ์เพื่อการขายสินค้าข้ามกลุ่ม โดยแนะนำสินค้าให้กับลูกค้าตามประวัติการซื้อของลูกค้าและประวัติการซื้อของลูกค้าคนอื่นๆ ที่ซื้อสินค้าชิ้นเดียวกันFamily Dollarวางแผนที่จะใช้การวิเคราะห์ตะกร้าสินค้าเพื่อช่วยรักษาการเติบโตของยอดขายในขณะที่กำลังเพิ่มสินค้าอุปโภคบริโภคที่มีกำไร ต่ำมากขึ้น ^{[ 5 ]}

การประยุกต์ใช้การวิเคราะห์ความสัมพันธ์ทางคลินิกที่สำคัญอย่างหนึ่งคือ สามารถดำเนินการกับบันทึกทางการแพทย์ของผู้ป่วยเพื่อสร้างกฎความสัมพันธ์ได้ กฎความสัมพันธ์ที่ได้สามารถประเมินเพิ่มเติมเพื่อค้นหาสภาวะและคุณลักษณะต่างๆ ที่สอดคล้องกันในข้อมูลจำนวนมาก^{[ 6 ]}การทำความเข้าใจว่ามีความสัมพันธ์ระหว่างปัจจัยต่างๆ ที่มีส่วนทำให้เกิดสภาวะใดสภาวะหนึ่งนั้นมีความสำคัญอย่างยิ่ง เพื่อให้สามารถดำเนินการป้องกันหรือรักษาได้อย่างมีประสิทธิภาพ ในเวชศาสตร์เชิงประจักษ์การค้นหาอาการที่เกิดขึ้นร่วมกันซึ่งเกี่ยวข้องกับการพัฒนาของเนื้องอกหรือมะเร็งสามารถช่วยวินิจฉัยโรคได้ตั้งแต่ระยะเริ่มต้น^{[ 7 ]}นอกจากการสำรวจความสัมพันธ์ระหว่างอาการต่างๆ ในผู้ป่วยที่เกี่ยวข้องกับโรคเฉพาะแล้ว ยังสามารถระบุความสัมพันธ์ที่เป็นไปได้ระหว่างโรคต่างๆ ที่มีส่วนทำให้เกิดสภาวะอื่นได้โดยใช้การวิเคราะห์ความสัมพันธ์^{[ 8 ]}

• การเรียนรู้กฎความสัมพันธ์

• J. Han และคณะ, 2006, การทำเหมืองข้อมูล: แนวคิดและเทคนิคISBN 978-1-55860-901-3
• วี. คูมาร์ และคณะ 2005 บทนำสู่การทำเหมืองข้อมูลISBN 978-0-321-32136-7
• U. Fayyad และคณะ 1996 ความก้าวหน้าในการค้นพบความรู้และการทำเหมืองข้อมูลISBN 978-0-262-56097-9

• ตัวอย่างการวิเคราะห์ตะกร้าสินค้าขั้นพื้นฐานโดยใช้ Excel